公开(公告)号：CN113163332A

公开(公告)日：2021-07-23

申请号：CN202110449681.X

申请日：2021-04-25

Applicant: 北京邮电大学

Inventor： 唐碧华 ,  王涛 ,  方宏昊 ,  刘亭亭 ,  吕秀莎 ,  张青松 ,  王春辉 ,  张洪光

IPC: H04W4/021 ,  H04W4/029 ,  H04W4/06 ,  H04W4/40 ,  H04W74/00 ,  H04W84/18 ,  G06K9/62

Abstract: 本发明公布了一种基于度量学习的路标图着色无人机节能续航数据收集方法。主要解决无人机辅助传感器网络中的吞吐量和能耗问题。所述的方法包括：对无人机辅助传感器网络进行模型建立，提出了一种同构的网络模型，网络中的节点都具有移动性。利用度量学习的方法对无人机继续轨迹优化，离线训练度量矩阵，离线训练阶段采用LMNN算法构造度量矩阵。网络可以用图来表示，图中的每个点代表网络中的节点，连接两点的边代表两点的发包通信，因此多跳网络的信道分配问题可以转换为图着色问题。在支持快速移动的无人机辅助网络中，无人机飞行速度较快，且地面节点可以是具有移动性的移动机器人，因此采用接触时间划分优先级的信道接入方法。

公开(公告)号：CN118485251A

公开(公告)日：2024-08-13

申请号：CN202410634954.1

申请日：2024-05-21

Applicant: 北京邮电大学

Inventor： 张洪光 ,  陈梁潜 ,  王春辉 ,  邹新颖 ,  张青松 ,  陶雨璇 ,  李巍海 ,  刘元安

IPC: G06Q10/0631 ,  G06Q10/083 ,  G06Q10/04 ,  G06N3/126

Abstract: 本发明公开基于CPU和GPU的并行混合机器人任务分配优化方法，所述方法包括：建立机器人任务分配模型，基于多样性策略确定初始种群，采用GPU架构下基于编码分解的并行优化算法对种群个体进行独立优化，将优化后的个体组成多个种群，采用CPU架构下基于多种群的并行遗传算法进行优化，通过种群合并的方式进行信息交流，按照顺序两两合并种群，对合并后的种群个体进行综合评估以保留较优的个体，直到所有种群合并产生新种群；重复上述步骤，直到到达终止条件。采用本发明的方法能够快速决策出任务分配方案，提高任务执行效率和机器人的利用率。

公开(公告)号：CN118466505A

公开(公告)日：2024-08-09

申请号：CN202410635738.9

申请日：2024-05-21

Applicant: 北京邮电大学

Inventor： 张洪光 ,  李翔 ,  曲宗正 ,  张濮岩 ,  王春辉 ,  李巍海 ,  刘元安

IPC: G05D1/43 ,  G05D1/246 ,  G05D1/633 ,  G05D1/644 ,  G05D1/648 ,  G05D109/10

Abstract: 本发明公开了一种基于多目标优化与DNN优先级排序的多机器人路径规划方法。首先，使用二维平面网格方法建立环境模型并初始化参数；接着，采用随机A*方法和混沌映射法混合初始化各机器人种群，通过决策标量函数和角度拥挤度估计对各种群进行交配池选择，随后执行交叉、变异和适应度计算。对各种群路径进行角度支配排序并挑选最好的一组路径作为备选路径，通过训练好的DNN获得多机器人冲突风险度最小的机器人优先级序列。按照优先级分别挑选各自冲突风险度最小的路径作为最优路径，之后进行冲突消解，最后使用非均匀有理B样条方法平滑处理路径。此方法能有效平衡多目标函数，提升多机器人在复杂环境下的协同效率和安全性。

公开(公告)号：CN113163332B

公开(公告)日：2022-07-05

申请号：CN202110449681.X

申请日：2021-04-25

Applicant: 北京邮电大学

Inventor： 唐碧华 ,  王涛 ,  方宏昊 ,  刘亭亭 ,  吕秀莎 ,  张青松 ,  王春辉 ,  张洪光

IPC: H04W4/021 ,  H04W4/029 ,  H04W4/06 ,  H04W4/40 ,  H04W74/00 ,  H04W84/18 ,  G06K9/62

Abstract: 本发明公布了一种基于度量学习的路标图着色无人机节能续航数据收集方法。主要解决无人机辅助传感器网络中的吞吐量和能耗问题。所述的方法包括：对无人机辅助传感器网络进行模型建立，提出了一种同构的网络模型，网络中的节点都具有移动行，并且具有群体移动性和群体行为特点。然后应用概率路标构造全局地图。利用度量学习的方法对无人机继续轨迹优化，离线训练度量矩阵，离线训练阶段采用LMNN算法构造度量矩阵。为了更新节点信息采用广播Hello包机制，从基站开始逐跳广播Hello包。为了保证较高的传输成功率和吞吐量，采用了图着色的方式减少多跳传输的冲突，由于数据包的传输可能和广播信息收集节点重叠，所以本文存在多跳信道分配问题，因此网络可以用图来表示，图中的每个点代表网络中的节点，连接两点的边代表两点的发包通信，因此多跳网络的信道分配问题可以转换为图着色问题。在支持快速移动的无人机辅助网络中，无人机飞行速度较快，且地面节点可以是具有移动性的移动机器人，因此采用接触时间划分优先级的信道接入方法。

公开(公告)号：CN118605513A

公开(公告)日：2024-09-06

申请号：CN202410635138.2

申请日：2024-05-21

Applicant: 北京邮电大学

Inventor： 张洪光 ,  马盛文 ,  李翔 ,  王春辉 ,  陶雨璇 ,  曲宗正 ,  罗新龙 ,  刘元安

IPC: G05D1/43 ,  G05D1/644 ,  G05D1/648 ,  G05D109/12

Abstract: 本发明公开一种基于负载均衡和多搜索策略的机器人路径规划并行优化方法，所述方法包括：建立机器人路径规划问题模型，基于节约里程思想通过能量节约构建初始解；并行执行不同的搜索策略和并行评估领域解集，在评估前对邻域解集进行均匀重分配，以保证各线程的负载均衡；基于LSTM模型对各线程分配的搜索策略的运行时间进行预测，确定当前搜索效果最优的搜索策略所在线程的运行时间为负载调整基准，根据预测结果进行负载调整；维护基于适应度和多样性的两个解池进行信息共享，在更新解池过程中选出下一次迭代过程的起始解。采用本发明的方法能够有效地规划出机器人的任务执行路径的同时，还可以提高算法运行效率和计算资源的利用率。